基于遥感修正作物系数的冬小麦需水量预测_廖晋一.pdf

节水灌溉Water Saving I基于遥感修正作物系数的冬小麦需水量预测廖晋一1，雷波2，苏涛1，刘巍2，张文发1，朱菲1（1.安徽理工大学空间信息与测绘工程学院，安徽 淮南 232001；2.中国水利水电科学研究院水利研究所，北京 100048）摘 要：作物需水量是确定灌溉制度和灌溉用水的重要依据。为准确预测冬小麦的需水量，以河北邯郸漳滏河灌区为例，利用sentinel-1A雷达影像反演灌区的土壤墒情以修正作物系数，并结合未来15 d的气象预报数据计算的参考蒸散发（ET0），预测漳滏河灌区重要灌水期的冬小麦需水量。结果表明：通过遥感反演的土壤含水量与实测值相近，平均相对误差为4.60%；经气象预报数据预测研究区12月11-25日ET0预测值为15.32 mm；结合土壤水分修正系数与预测ET0数据，计算冬小麦平均需水量预测值为12.64 mm，其中，磁县需水量最大，为14.23 mm，广平县冬小麦需水量最小，为 12.04 mm；由 MOD16A2 产品计算研究期平均需水量为 10.65 mm，较预测值相对误差为18.69%。该方法可以有效地预测作物需水量及其空间分布，可为灌区作物生育期用水预测与管理提供理论参考。关键词：漳滏河灌区；冬小麦；需水量；预测；作物系数中图分类号：S271 文献标识码：A DOI：10.12396/jsgg.2022118廖晋一，雷 波，苏 涛，等.基于遥感修正作物系数的冬小麦需水量预测 J.节水灌溉，2023（3）：48-52，60.DOI：10.12396/jsgg.2022118.LIAO J Y，LEI B，SU T，et al.Prediction of winter wheat water demand based on remote sensing modified crop coefficient J.Water Saving Irrigation，2023（3）：48-52，60.DOI：10.12396/jsgg.2022118.Prediction of Winter Wheat Water Demand Based on Remote Sensing Modified Crop CoefficientLIAO Jin-yi1，LEI Bo2，SU Tao1，LIU Wei2，ZHANG Wen-fa1，ZHU Fei1（1.School of Spatial Information and Geomatics Engineering，Anhui University of Science and Technology，Huainan 232001，Anhui Province，China；2.Department of Irrigation and Drainage，China Institute of Water Resources and Hydropower Research，Beijing 100048，China）Abstract：Crop water demand is an important basis for irrigation schedule.In order to accurately predict the water demand of winter wheat,Zhangfuhe irrigation area in Handan,Hebei Province was taken as an example,and the sentinel-1A radar image was used to retrieve the soil moisture in the irrigation area to correct the crop coefficient,combined with the reference evapotranspiration(ET0)calculated from the weather forecast data in the next 15 days,to predict the demand for winter wheat in important irrigation periods of Zhangfu River irrigation area.The results showed that the soil water content retrieved by remote sensing was similar to the measured value,with an average relative error of 4.60%;the ET0 value of the study area from December 11 to December 25 was predicted to be 15.32 mm based on the meteorological forecast data;combined with the soil water content and the predicted ET0 data,the average water demand of winter wheat was calculated to be 12.64 mm,among which,the water demand of Ci county had the largest water demand of 14.23 mm and Guangping county had the smallest of 12.04 mm.The average water demand value calculated by MOD16A2 product was 10.65 mm,and the relative error was 18.69%.This method can provide a theoretical reference for the prediction and water management of the growth period of irrigation areas.Key words：Zhangfu River irrigation area；winter wheat；water demand；forecast；crop coefficient文章编号：1007-4929（2023）03-0048-05收稿日期：2022-06-28基金项目：国家重点研发计划“国家水资源动态评价关键技术与应用”子课题“农业用水动态评价与需水预测”（2018YFC0407703）；安徽理工大学引进人才科研启动项目（ZY030）。作者简介：廖晋一（1997-），男，硕士，研究方向为遥感与水资源优化配置。E-mail：。通讯作者：雷波（1976-），男，教授级高级工程师，博士，研究方向为水资源经济。E-mail：。48基于遥感修正作物系数的冬小麦需水量预测 廖晋一 雷波 苏涛 等0引 言小麦是世界主要的粮食作物之一，而我国是世界小麦总产量最高，也是消费最大的国家1,2。我国水资源南北分布不均，水资源短缺是很多北方灌区面临的主要问题之一，所以合理分配水资源至关重要。冬小麦种植面积广阔且需要灌溉，其用水量占农业用水的很大一部分。准确预测灌区冬小麦需水量可为灌区科学确定灌溉时期和灌溉量提供参考3。土壤含水量是计算作物需水量的重要影响因素之一，利用遥感技术能够直观且有效地反演出土壤含水量的时空分布状况，为土壤墒情监测提供了准确快捷的新方法4。目前，利用光学遥感和微波遥感技术反演土壤含水量的方法均已在实践中得到应用。可见光-近红外法通常是根据土壤光谱反射率或植被指数等与土壤含水量之间的关系来反演土壤水分，这种方法简便快捷，不过容易受外界环境干扰，适用于平坦开阔、作物和土壤类型单一的地区5；热红外法是通过热红外波段反演土壤下垫面的温度间接反映土壤水分，该方法相对于可见光-近红外法对土壤水的敏感性更高，且降低了数据获取的滞后性，但受天气和云的影响较大，适用于天气状况较好的情况6；微波法是目前热门研究的一种方法，将后向散射系数通过经验、半经验模型等建立与土壤含水量的关系，微波法能够克服天气的影响，但需要消除植被和地表粗糙度对土壤反射率的干扰7。在众多计算作物需水量的方法中，作物系数法因其公式简洁、参数易获取等优势被广泛采用。作物系数反映的是参考作物需水量与实际作物需水量之间的关系8。目前，针对作物系数的修正研究，大多结合区域的温度、湿度、土壤水分、作物长势等条件进行修正9,10。以往研究主要是利用历史数据计算作物需水量，而实际生产中计划用水、优化配水等灌溉管理活动需要通过未来一段时间的作物需水量辅助决策11，针对上述问题，该研究结合作物蒸散发预测产品、遥感数据和实测数据通过遥感反演的方法修正作物系数，并预测短期冬小麦需水量，研究结果可为灌区短期农业用水调控提供参考。1材料与方法1.1试验区概况漳滏河灌区位于河北省邯郸市中部（36133653N，1141311516E），灌区区域面积 211.45 万 hm2，其中耕地面积125.45 万hm2，范围涉及邯郸市中东部16个县区12。灌区近年平均蒸发量1 563 mm，平均降水量530 mm。漳滏河灌区西部森林覆盖率极低，地势基本平坦。土壤以黄土轻壤、中壤及石灰性褐土为主，土层较厚，土壤肥沃。东部大面积的范围在平原区，地势平坦，植被良好，土壤以壤土为主，土地肥沃，适合多种作物生长13（见图1）。1.2数据来源1.2.1遥感数据土壤含水量反演的数据选用欧洲航天局（ESA）的Sentinel-1雷达卫星影像（https:/search.asf.alaska.edu/#/），影像时间为 2021 年 12 月 6 日，共选取 2 景。利用 ENVI 软件的SARscape插件对影像进行辐射定标、滤波和地形校正。种植结构分类的数据选用欧洲航天局（ESA）的Sentinel-2A光学遥感影像（https:/earthexplorer.usgs.gov/），影像时间为2021年12月3日，共选取2景。利用Sen2Cor插件对影像预处理，利用ecognition软件对影像分割，随机森林法分类提取冬小麦地块。需水量验证数据选用美国国家航空航天局（NASA）的MOD16A2全球蒸散发产品（https:/ladsweb.modaps.eosdis.nasa.gov/），该数据为8 d合成的蒸散发产品，影像时间为2021年12月11-18日以及12月19-26日。利用ENVI软件的MCTK插件预处理。1.2.2土壤含水量数据土壤含水量实测数据是通过便携式TDR350土壤水分测量仪实测获取，共设置46个均匀分布的采样点，采集方式是通过S型测量线路测取6个点的平均值作为该样点的土壤含水量值，采集时间为2021年12月6日，取样深度为10 cm表层土。1.2.3气象数据气象数据是邯郸市8个气象站（临漳、邯郸、曲周、魏县、磁县、广平、肥乡、成安）2021年12月记录的每日的气温、气压、湿度、风速等数据以及2021年12月10日的15 d预报数据，通过中国气象数据网下载（http:/ d气象预报数据计算气象站ET0预测数据，并空间插值得到研究区的15 d ET0预测数据；根据实际修正冬小麦作物系数（Kc），结合Ks与ET0计算得到未来15 d的冬小麦需水量。具体技术路线图如图2所示。1.3.1土壤水分修正系数计算土壤含水量与雷达后向散射系数之间存在复杂的关联性，前人建立经验模型、半经验模型、物理模型等以模拟他们之间的关系14。Attema等15为简化农作物等低矮植被覆盖地表的散射机制，建立了用于农业区地表土壤水分反演的水云模型16。水云模型是基于微波遥感辐射传输理论建立的半经验模图1研究区域概况Fig.1The study area49基于遥感修正作物系数的冬小麦需水量预测 廖晋一 雷波